ekz_terver_zima
.pdf3. Методы построения оценок.
Пусть требуется построить оценку ̃ параметра , т.е. указать ее формулу (функциональный
вид).
1) Метод моментов состоит в том, что за оценку параметров распределения принимается решение системы уравнений:
{ |
|
= ̃ |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
, причем количество уравнений в системе определяется количеством неизвестных |
||||||||||||||||
|
|
= ̃ |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
параметров. Здесь |
, |
|
– теоретические моменты распределений, а ̃ , ̃ – выборочные |
|||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
моменты распределения. |
|
|
|
|
|
|
|
|
||||||||||
|
|
|
|
|
|
|
||||||||||||
|
Начальные моменты |
|
Центральные моменты |
|
|
|||||||||||||
|
|
|
|
= ξk |
|
|
|
|
|
|
= (ξ − Mξ)k |
|
|
|||||
|
|
|
|
1 |
|
|
|
|
|
|
|
|
1 |
|
|
|
|
|
|
|
̃ = |
|
|
∑ |
|
|
|
̃ = |
|
∑( |
− ̅) |
|
|
||||
|
|
|
|
|
|
|
|
|
||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
=1 |
|
|
|
|
|
|
|
=1 |
|
|
|
|||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
Оценки ̃мм по методу моментов не обладают по построению свойствами несмещенности и состоятельности.
2) Метод максимального правдоподобия.
Пусть ( , ) – функция плотности распределения некоторой случайной величины ξ.
Определение. Функцией правдоподобия называется функция ( , ) = ∏ =1 ( , ). В частности для дискретной случ.вел. ( , ) = ∏ =1 { = }.
Метод максимального правдоподобия состоит в том, что за оценку переменной принимается точка максимума функции правдоподобия.
Алгоритм ММП: |
|
|
|
|
|
|
|
|
1) |
Составить функцию правдоподобия ( , ) |
|
||||||
2) |
Найти натуральный логарифм от ( , ) |
|
||||||
3) |
Решить уравнение |
ln ( , ) |
|
= 0 (или несколько уравнений, если несколько параметров) |
||||
|
|
|||||||
|
|
|
|
|
|
|||
4) |
Доказать, что |
2 ln ( , ) |
< 0 |
при всех выборках |
, … , . По определению, если вторая |
|||
2 |
|
|||||||
|
|
|
|
|
1 |
|
производная < 0 в точке, то эта точка – точка максимума.
Оценки ̃ммп обладают по построению свойствами состоятельности.
Пример. |
, … , ~ ( , ), m – количество испытаний Бернулли. Оценить параметр р |
|||||||
|
1 |
|
|
|
|
|
|
|
(вероятность успеха) методом моментов и методом максимального правдоподобия. |
||||||||
1) |
М.М. Для ξ~ ( , ): m1 = ξ = . |
|
|
|
|
|
||
|
Составим уравнение { 1 = ̃1. |
= ̅ => |
̃ = |
̅= |
1 |
∑ |
|
|
|
|
|||||||
|
|
ξ = ̅ |
|
|
|
|
=1 |
|
|
|
|
|
|
|
|||
2) |
М.М.П. Составим функцию правдоподобия. |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
− |
|
|
|
|
|
|
|
|
|
|
|
|
− |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
− |
|
|
|
∑ |
|
|
−∑ |
|
|
|
|
|||||||
( , ) = |
1 |
1 |
… |
|
|
|
|
= ∏ |
|
|
|
|
|
|
=1 |
=1 |
|
|
|||||||||||||||||||||||||||||||||||
|
|
|
|
1 |
|
|
|
|
|
|
|
|
= |
|
|
|
|
∏ |
|
||||||||||||||||||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
=1 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
=1 |
|
|
|||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
= |
̅ |
− ) |
− ̅ |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||||||
|
|
|
|
|
(1 |
|
|
|
∏ |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
=1 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||
Далее найдем логарифм. ln ( , ) = |
∑ |
|
|
ln |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||||||||||||||||||||
|
|
|
+ ̅ln + ( − ̅) ln(1 − ). |
|
|
|
|
||||||||||||||||||||||||||||||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
=1 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
ln ( , ) |
|
|
|
̅ |
( − ̅) |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||||||||||
Затем найдем решим уравнение: |
|
|
|
|
|
|
|
= |
|
|
− |
|
|
|
|
|
|
= 0. |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||||||||||||||||
|
|
|
|
|
|
1− |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||||||||||||||||||||||||||
̅− ̅ − + ̅ = 0 => ̅= |
=> |
= |
|
̅ |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||||||||||||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||||||||||||||||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||
2 ln ( , ) |
|
|
̅ |
( − ̅) |
|
|
|
|
|
|
|
̅ 2 |
|
|
|
( − ̅) |
|
|
|
|
1 |
|
|
1 |
|
|
|
||||||||||||||||||||||||||
|
|
|
|
|
= − |
|
|
− |
|
|
|
|
|
|
|
| |
|
|
|
|
= − |
|
|
|
|
|
− |
|
|
|
|
|
|
= − |
( |
|
+ |
|
|
) |
|
|
|||||||||||
|
|
2 |
|
|
|
2 |
(1 − ) |
2 |
|
|
|
|
|
|
|
2 |
|
|
|
|
|
|
̅ |
|
|
|
|
|
|
||||||||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
= |
̅ |
|
|
|
̅ |
|
|
|
|
|
|
(1 − |
|
) |
|
|
|
|
|
̅ |
− ̅ |
|
|
|||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||||||||||||||||||
|
|
|
|
|
|
|
|
|
1 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||
|
|
|
|
|
|
= − |
|
|
|
|
|
|
|
< 0. |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||||||||||||||
|
|
|
|
|
|
2 |
̅( − ̅) |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
Так как вторая производная меньше нуля при всех х, то ̃ = ̅оценка по М.М.П.
|
|
|
4. Доверительное оценивание |
|
|
|||
1. |
Постановка задачи, определение доверительного интервала, доверительная |
|||||||
вероятность. |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
̃ |
|
Пусть имеется выборка малого размера (n от 5 до 30). В этом случае равенство ≈ не |
||||||||
|
|
|
|
|
̃ |
|
|
|
выполняется даже для несмещённых оценок. = . Тогда указывается |
|
|||||||
|
|
|
|
|
̃ |
̃ |
|
|
предположительный диапазон значения параметров ( 1 |
, 2). |
̃ |
̃ |
|||||
Доверительным интервалом надёжности параметра |
|
|||||||
называется интервал ( 1 |
, 2) |
|||||||
|
̃ |
̃ |
≥ (вероятность того, что интервал со случайными концами |
|||||
такой, что { ( 1 |
, 2)} |
|||||||
покроет неизвестное значение не меньше . |
|
|
|
|||||
|
|
̃ |
|
|
̃ |
|
|
|
|
|
= ( , , … , ) |
и = ( , , … , ) |
|
||||
|
|
1 |
1 2 |
|
2 |
1 2 |
|
|
– доверительная вероятность, надёжность доверительного интервала. Обычно берётся близкой к ( , ; , ; , … )
2.Лемма Фишера.
Пусть ( 1, 2, … , )~ ( , 2). Тогда случайная величина − ~ (0,1) (стандартное
/√
нормальное распределение)
Следствия (наверное):
− ~ ( − 1) – распределение Стьюдента с n − 1 степенями свободы
/√
̃2 |
~ 2( − 1) – распределение хи-квадрат с n − 1 степенями свободы |
||
|
|
||
2/√ |
|||
|
3.Распределение Стьюдента и формула его построения
Рассмотрим независимые одинаково распределенные случайных величин со стандартным нормальным распределением , 1, 2, … , . Случайной величиной с распределением Стьюдента или t—распределением с n степенями свободы называется величина ( ) =
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
= |
|
|
|
|
(√) |
|
. Функция плотности этой случайной величины имеет вид: |
|
|
||||||||
|
|
|
|
|
|
|
|
|||||||||||||
|
|
|
|
|
|
|
||||||||||||||
√(2( )/ ) |
√(2+ 2+ 2+ +2) |
|
|
|||||||||||||||||
|
|
|
|
|
|
|
|
|
1 2 |
3 |
|
|
|
|
|
|
|
|
||
|
|
Г( |
( +1) |
) |
|
|
2 ( |
−( +1) |
) |
|
|
|
|
|
||||||
( ) = |
|
(1 + |
2 |
|
1 |
|
|
– |
||||||||||||
|
|
|
||||||||||||||||||
√ Г(2) |
) |
|
|
. При = 1 функция плотности примет вид: ( ) = |
√ (1+2) |
|||||||||||||||
|
|
2 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||
получаем распределение Коши. Числовые характеристики при > 2: = 0, = 2 = |
|
|
. |
|||||||||||||||||
|
|
|||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
−2 |
4.Распределение хи-квадрат ( ) и формула его построения
Рассмотрим независимых одинаково распределённых величин со стандартным нормальным
распределением |
, |
, … , . Случайной величиной с распределением χ2(n) с n степенями |
||||||||
1 |
2 |
|
|
|
|
|
|
|
|
|
свободы называется величина χ2(n) = 2 |
+ 2 |
+ + 2. Функция плотности этой случайной |
||||||||
|
|
|
|
|
|
1 |
2 |
|
||
величины имеет вид ( ) = |
2−1 |
− |
2 |
при ≥ 0, ( ) = 0, при < 0. Здесь |
||||||
|
|
|
|
|
||||||
|
|
|
Г( |
)22 |
|
|
|
|
||
|
|
|
|
|
|
|
|
|||
Г( ) = ∫∞ −1 −, |
|
2 |
|
|
|
|
|
|
||
> 0 - гамма-фнкция |
|
|||||||||
0 |
|
|
|
|
|
|
|
|
|
|
Числовые характеристики = , = 2 = 2
5. Доверительный интервал для параметра распределения ( , ), – известная
величина
Пусть ( |
, |
, … , )~ ( , 2) и − задано. Найдём |
̃, |
̃ |
такие, что { (̃, |
̃ |
)} ≥ . По |
||||||||||||
1 |
2 |
|
|
|
|
|
|
|
|
1 |
2 |
|
|
|
|
2 |
1 |
2 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
− |
|
|
|
|
|
|
|
− |
~ (0,1), т.е. |
|
|
= 0,5 + Ф |
; |
Ф |
= |
|
. |
|
|
|||||
лемме Фишера |
|
|
∫0 |
|
|
|
|
||||||||||||
/√ |
|
|
|
|
|
||||||||||||||
|
|
|
|
|
( |
|
) |
( |
) |
( ) |
|
|
|
2 |
|
|
|
Функция плотности – симметричная и чётная. Построим интервал симметрично относительно . Пусть – такое, что 2 Ф( ) = .
Тогда: { − ~ (0,1) (− , )} = ( ) − (− ) = 0,5 + Ф( ) − 0,5 − Ф(− ) = Ф( ) +
/√
Ф( ) = 2Ф( )
С другой стороны, {− |
|
|
< |
|
− < |
|
} = { |
|
− |
|
|
< < |
|
+ |
|
|
|
} = {̃ |
< < |
||||||||||||||||
|
|
|
|
||||||||||||||||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
||||||||||||||||||||||||||
|
√ |
√ |
|
|
|
|
√ |
|
|
|
|
|
|
|
√ |
1 |
|
||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||||||||||||||||||
̃ |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||
2} ≥ . |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||||||
|
(̃, |
̃) = ( |
|
− |
|
, |
|
+ |
|
. |
|
|
|||||||||||||||||||||||
Таким образом: доверительный интервал |
|
|
|
) |
|
|
|||||||||||||||||||||||||||||
|
|
|
|
|
|
||||||||||||||||||||||||||||||
|
|
|
|
|
|
|
|
|
1 |
2 |
|
|
|
|
|
√ |
|
|
|
|
|
√ |
|
|
|
|
|
|
|
||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
6. Доверительный интервал для параметра распределения ( , ), –
неизвестная величина
Пусть ( |
, |
, … , |
)~ ( , 2) и − задано. Найдём ̃, |
̃ такие, |
что { (̃, |
̃)} ≥ . |
|||||||||||||||||||||||||||||||||||||||||||
1 |
2 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
1 |
2 |
1 |
2 |
|||||||
По лемме Фишера: |
|
|
− |
~ ( − 1). Распределение Стьюдента симметрично относительно |
|||||||||||||||||||||||||||||||||||||||||||||
|
|
|
|
|
|
||||||||||||||||||||||||||||||||||||||||||||
|
/√ |
||||||||||||||||||||||||||||||||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||
|
|
|
|
|
|
|
|
|
− |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
̃ |
|
||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||||||||||
. {− < |
|
|
|
|
|
|
< } = { − |
|
|
|
< < + |
|
|
|
|
|
|
} = {̃ < < } ≥ |
|
||||||||||||||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||||||||||||||||||||||||||||||
|
|
|
|
/√ |
|
|
|
|
|
|
|
|
|
√ |
|
|
|
|
|
|
|
|
|
|
|
|
|
√ |
|
|
1 |
2 |
|
||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
( ) |
|
|
|
|
|
|
|
|
|||||||
|
− |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||||||||||
{− < |
|
|
|
|
|
|
|
|
< |
|
|
|
} = ( |
) − (− |
|
) = |
∫ |
|
|
|
|
|
|
|
|
|
|
|
|
||||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||||||||||||||||||||||||||
|
/√ |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
− |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||||||||
Для найденного |
(квантиля распределения Стьюдента ( − 1)) строим полученный |
||||||||||||||||||||||||||||||||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
интервал вида: |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
(̃, ̃) |
= ( |
|
− |
|
|
|
|
, |
|
+ |
|
|
|
). |
|
|
|||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
1 |
2 |
|
|
|
|
|
|
|
√ |
|
|
|
|
|
|
|
√ |
|
|
||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
Проверка статистических гипотез
1. Определение статистической гипотезы, критерия, ошибок первого и второго рода, уровня значимости, мощности критерия, критической области.
Опр. Статистическая гипотеза – любое предположение о неизвестном значении параметра распределения или о вообще неизвестном распределении.
0 – нулевая / основная гипотеза1 – конкурирующая / противоположная гипотеза (хз тут какие-то примеры не буду их печатать)
Опр. Множество выборок такое, что на них гипотеза 0 отвергается называется
критическим множеством. Множество = \ – область принятия гипотезы.
Опр. Критерием называется случайная величина с известным законом распределения, с помощью которой принимают решение об истинности гипотезы 0. Тогда { | 0} = { кр} = – уровень значимости критерия . Тогда, если вероятность
{ | 0} = { кр} = , то величину 1 − называют мощностью критерия.
Опр. Возможны 2 ситуации. 0 – верная гипотеза, но её отвергли. Это ошибка первого рода. 0 – ложная гипотеза и её приняли. Это ошибка второго рода.
2.Критерий Неймана-Пирсона
Критическую область составляют те , на которых ( ) превышает некоторое число
, где { ( ) ≥ | 0} = .
3. Построение оптимального критерия Неймана-Пирсона для параметра для
двух простых гипотез
0 |
" = 0 " |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||||
1 " = 1" |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||||
( |
, |
, … , |
) |
|
– выборка |
|
|
|
|
|||||||||||||||
1 |
2 |
|
|
|
|
|
|
|
|
|
(− − )2 |
|
|
|||||||||||
( , , 2) = |
|
1 |
|
|
|
|
|
|
||||||||||||||||
|
|
|
|
|
|
|
22 |
|
|
|
|
|||||||||||||
|
|
|
|
|
|
|
|
|
|
|||||||||||||||
|
|
|
|
|
|
|
√2 |
|
|
|
|
|
||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||||||
Функция правдоподобия: |
|
|
|
|
||||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
1 |
|
|
|
|
|
1 |
|
2 |
|||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||
( |
, , 2) = |
( |
|
|
) |
− |
|
∑=1( − ) |
|
|||||||||||||||
|
|
|
22 |
|
||||||||||||||||||||
|
|
|
|
|
|
|||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
√2 |
|
|
|
|
|
|||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||||
|
|
|
|
|
|
|
( |
, |
, 2) |
|
|
|
|
|
||||||||||
( ) = |
|
|
1 |
|
|
|
|
|
|
|
|
|
|
|
|
|||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||
|
|
|
|
( |
, |
, 2) |
|
|
|
|
|
|||||||||||||
|
|
|
|
|
|
|
|
|
|
|
||||||||||||||
|
|
|
|
|
|
|
|
|
0 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
1 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
1 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
1 |
|
||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
∑( − |
|
)2 + − |
|
|
|
|
|
∑( − )2) = exp ( |
|
|
∑(( − )2 |
|||||||||||||||||||||||||||||||||||||||||||
( ) = exp (− |
|
|
|
|
|
|
|
|
|
|
|||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||||||||||||||||||||||||||||||||||||||||||||
|
|
|
|
|
|
|
|
|
22 |
|
|
|
|
|
1 |
|
|
|
|
|
|
|
22 |
|
|
|
|
|
|
|
0 |
|
|
|
|
|
|
|
22 |
|
0 |
||||||||||||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
=1 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
=1 |
|
|
|
|
|
|
|
|
|
|
|
|
|
=1 |
||||||||||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
1 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||||||
|
|
|
|
|
|
|
|
|
− ( − )2) = exp |
|
|
(∑(x |
|
|
|
− − x |
|
+ )(x |
− + x |
|
− )) |
||||||||||||||||||||||||||||||||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
i |
i |
i |
|||||||||||||||||||||||||||||||||||||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
1 |
|
|
|
|
|
|
|
|
|
22 |
|
|
|
|
|
|
|
|
|
|
|
0 |
|
|
|
|
1 |
|
i |
0 |
|
|
|
|
1 |
|
||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
n |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
2 |
2 |
|
||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
1 |
− 0 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
1− 0 |
|
|
|
−( |
(1− 0) |
) |
|||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||||||||||||||
|
|
|
|
|
|
|
|
|
= exp |
|
|
(2 ∑ − ( |
|
|
+ )) = |
e σ2 |
|
|
|
22 |
|
|
|||||||||||||||||||||||||||||||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||||||||||||||||||||||||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
22 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
1 |
|
|
|
|
|
|
0 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
i=1 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||
|
|
1−0 |
|
|
|
(12− 02) |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
2 |
|
2 |
|
|
|
|
|
|
|
||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||||||||||||||||
{e |
|
|
|
|
|
− |
|
|
|
|
|
|
|
|
|
|
> |
|
|
} = { |
1 |
− 0 |
|
|
|
|
|
> |
|
+ |
(1 |
− 0) |
} |
|
|
|
|
|
|||||||||||||||||||||||||||||||
|
|
σ2 |
|
|
22 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||||||||||||||||||||||||||||||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||||||||||||||||||||||||||||||||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||||||||||||||||||||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
σ2 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
22 |
|
|
|
|
|
|||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
2 |
|
|
( |
+ |
|
|
) |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||||||||||||||||
|
|
|
|
|
|
|
|
|
= { |
> |
|
|
|
|
|
|
|
|
+ |
|
|
|
|
1 |
|
|
|
0 |
|
|
|
} = {∑ > } = ( ) |
|
|
|||||||||||||||||||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||||||||||||||||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
1 |
− 0 |
|
|
|
|
|
2 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
=1 |
|
|
|
|
|
|
|
|
|
|
|
|
||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||
Рассмотрим случайную величину ∑ |
|
. Если |
|
– верна, то ~ ( , 2), тогда |
|||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
=1 |
|
|
|
|
|
|
|
|
|
|
|
|
0 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||
∑ |
~ ( , ∑2 |
|
|
. = (∑ |
|
) |
= |
∑ |
|
|
|
|
= ; ∑2 |
= 2. |
|
|
|
|
|
||||||||||||||||||||||||||||||||||||||||||||||||||
=1 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
=1 |
|
|
|
|
|
=1 |
|
|
|
|
|
|
|
|
0 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||||||||||
По свойствам нормального распределения: |
|
∑ − |
|
~ (0, 1) |
|
|
|
|
|
|
|
|
|
|
|
|
|||||||||||||||||||||||||||||||||||||||||||||||||||||
|
√∑2 |
|
|
|
|
|
|
|
|
|
|
|
|
||||||||||||||||||||||||||||||||||||||||||||||||||||||||
|
|
|
|
∑ |
− |
|
|
|
|
|
|
− |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
0 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
− |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||||||||||||||||||||
( ) P { |
|
|
|
|
0 |
|
> |
|
|
|
|
|
|
|
|
|
|
} = |
|
{1 − |
|
( |
0 |
) |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||||||||||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||||||||||||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||||||||||||||||||||||||
|
|
|
|
|
|
√ |
|
|
|
|
|
|
|
|
√ |
|
|
|
|
|
|
0 |
|
|
|
|
|
|
|
|
√ |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
{0 > 1}; 0~ (0,1)
Пусть 1−- квантиль нормально распределения, т.е. такое число, что {0 < 1−} = 1 −
. Тогда { |
∑ − |
0 |
> |
} = . |
|
|
|
|
|||
|
√ |
|
1− |
|
|
|
|
|
|
Определим константу .
− 0 = 1−√
= √ 1− + 0
Таким образом, критерий примет вид: |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||||||||||||||||
Если ∑ |
|
> = |
|
|
|
|
|
+ , то гипотезу о равенстве " = = " следует |
|||||||||||||||||||||||||||
|
√ |
|
|||||||||||||||||||||||||||||||||
|
|
|
=1 |
|
|
|
|
1− |
0 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
0 |
|
|
|||||||||
принять. При этом совершается ошибка 1-го рода с вероятностью . |
|
|
|
||||||||||||||||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||||||||
Определим вероятность ошибки второго рода: { |
| } |
: " = ". |
|
||||||||||||||||||||||||||||||||
( ) P{∑n |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
1 |
1 |
1 |
|
|
||||||
|
|
> }. Если верна , то ~ ( , ∑2), но ~ ( |
, 2). Т.е. = |
|
|||||||||||||||||||||||||||||||
|
|
|
i=1 |
|
|
|
|
|
|
|
1 |
|
|
|
|
|
|
1 |
|
|
|
|
|
||||||||||||
; ∑2 = 2. |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||
1 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||
{∑n |
|
> } |
= { |
∑ −1 |
> |
|
( − |
1) |
} = { |
∑ −1 |
|
> |
√ |
1− − |
(1−0) |
} = |
|
− |
|||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||||||||||||||||||
|
|
i=1 |
|
|
|
|
|
√ |
|
|
|
√ |
|
√ |
|
|
|
√ |
|
1− |
|
||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||
(√ |
(1−0)) |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||||
|
|
|
|
|
|
|
√ |
(1−0) |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||||||||
|
|
|
|
|
= 1 − |
( |
|
|
− |
|
|
|
|
|
|
|
|
= 1 − - мощность критерия. |
|
|
|
||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||||||||||||||||||
|
|
|
|
|
0 |
|
1− |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||||||
{∑n |
|
≤ } |
= – вероятность ошибки 2-го рода |
|
|
|
|
|
|
|
|
|
|||||||||||||||||||||||
|
|
i=1 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
4. Проверка сложных гипотез
Пусть требуется проверить 2 гипотезы:
0: " Θ0"1: " Θ1" Θ0 ∩ Θ1 =
Требуется определить – критическое множество, такое, что , то 0 отвергают в пользу 1.
Вероятности ошибок первого и второго рода тогда можно рассматривать как заданные на соответствующих множествах функции:
( ) = { = (1, 2, … , ) | Θ0}
( ) = { = (1, 2, … , ) | Θ1}
Опр. Размером критерия называют величину = max ( )
Θ
Опр. Функцией мощности критерия называют вероятность отвергнуть нулевую гипотезу при любых возможных значениях параметра:
( ) = { = (1, 2, … , ) | Θ} Т.о. на множестве Θ0: ( ) = ( ). На множестве Θ1 ( ) = 1 − ( ).
Опр. Равномерно наиболее мощным называют такой критерий, что он при фиксированном размере максимизирует ( ) на множестве Θ1.
Пример построения равномерно наиболее мощного критерия для проверки гипотезы: " = " против сложной гипотезы : " > "
Предположим, что 1, 2, … , ~ ( , 2), 2 – известная величина.
Пусть > 0, т.е. область Θ1 = (0, +∞), тогда Θ1 можно рассматривать как множество точек 1.
Таким образом, исходная задача оказывается равносильной следующему множеству задач:
0 = " = 0"; 1: " = 1" ; 1 > 0.
Тогда 1 > 0 имеем, что критическая область имеет вид:
∑ > = √ 1− + 0
=1
Это правило является равномерно наиболее мощным критерием.
5.Проверка простой гипотезы : " = " против сложной гипотезы " >
".
1, 2, … , ~ ( , 2), 2 – неизвестная величина.
Если верна гипотеза H0, то случайная величина:
− ~ ( − 1) из леммы Фишера.
/√
Найдём 1−( − 1) – квантиль распределения Стьюдента с ( − 1) степенью свободы.
− ≥ 1−( − 1) /√
≥ 1−( − 1) /√ + 0 | ∑ ≥ 1−( − 1) √ + 0
|
a < a |
|
|
|
|
− |
|
≤ ( − 1) |
|
|
|
|
|
||||
|
|
0 |
|
/ |
|
1− |
||
|
|
|
|
|
||||
|
|
|
|
|
|
√ |
|
|
a ≠ a0 | − | ≥ 1−( − 1) /√
6. Критерии согласия (не знаю зачем это здесь как подвопрос, ведь есть только это и вообще это объединение двух следующих пунктов)
{ ; ( , ); Θ)} – параметрическая модель. Функция ( , ) известна.
Рассмотрим задачу в условиях, когда ( , ) неизвестна. Тогда
0: гипотеза о ( )
7.Критерий Колмогорова
Пусть = (1, 2, … , ) – выборка и распределения неизвестной случайной величины. Рассмотрим простую гипотезу: 0: ( ) = 0( ) – известное распределение
1: ( ) ≠ 0( )
Рассмотрим статистику Колмогорова:
|
|
|
|
̃ |
|
( ) = |
|
( ) − ( )| |
|||
max | |
|||||
|
|
|
|
|
0 |
̃ ( ) – эмпирическая функция распределения
̃ ( ) = () – доля элементов выборки <
0( ) – значения функции распределения, вычисленные в соответствии с гипотезой. Пусть дана вероятность ошибки 1-го рода. – уровень значимости критерия. Если набл =
( ) > 1−( ) = кр, то гипотеза о согласии наблюдаемого распределения с гипотетическим отвергается.
Правило принятия решения основано на:
{√( ) < } = ( ); > 0
→∞
( ) = ∑∞= −∞(−1) −22 2 (табличное значение)
8.Критерий хи-квадрат ( ) / Пирсона
Напоминание: χ2(n) = 2 |
+ 2 |
+ + 2 |
; |
~ (0,1); − независимы |
1 |
2 |
|
|
|
Пусть есть |
, , … , |
. : ( ) = ( ). |
|
|
||
1 |
2 |
|
0 |
0 |
|
|
Пусть наблюдается дискретная случайная величина , принимающая значения |
, |
, … , |
||||
|
|
|
|
1 |
2 |
|
с вероятностями |
, |
, … , . |
|
|
||
|
1 |
2 |
|
|
|
|
|
|
|
|
|
|
|
{ = } = > −; |
∑ |
= 1 |
|
|
||
|
|
|
|
|
|
|
=1
Пусть по результатам наблюдения был построен точечный вариационный ряд:
|
|
|
|
|
……………… |
|
|
|
|||
|
1 |
|
2 |
|
|
|
|
||||
|
|
|
|
|
……………… |
|
|
|
|||
|
1 |
|
2 |
|
|
|
|
||||
|
|
1 |
|
|
2 |
|
……………… |
|
|
|
|
|
|
|
|
|
|
– относительные частоты
= ̃
∑ =
=1
Критерий Пирсона есть случайная величина:
|
|
( |
|
− )2 |
|
( |
− )2 |
|
( |
− ′ |
)2 |
|
||
2 |
= ∑ |
|
|
|
|
= ∑ |
|
|
= ∑ |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||
|
=1 |
|
|
|
|
|
=1 |
|
|
=1 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||
|
– наблюдаемая частота события { = } |
|
|
|
|
|||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
′ |
– гипотетическая (вычисленная в предположении, что ( ) – функция распределения ) |
|||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
0 |
|
частота события { = }. |
|
|
|
|
|
|
|
|||||||
Если 2 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
< |
2 |
= |
2 ( , − − 1), то гипотеза |
принимается. |
|||||||||
|
набл |
|
|
кр |
|
кр |
|
|
|
|
0 |
|
− количество различных значений дискретной случайной величины− количество параметров распределения, оцениваемых по выборке
Замечание: Критерий Пирсона применяется к непрерывным распределениям, если после группировки получен точечный вариационный ряд.
6. Регрессионный анализ.
1. Постановка задачи. Пусть есть ( , ) – двумерный случайный вектор. ( , ) – функция распределения этого случайного вектора. Предполагается, что между величинами существует связь = ( ) = | .
Пусть производится наблюдение за случ.вел. ( , ). Результаты: (1, 1), … , ( , ). Требуется оценить силу связи между х и у и оценить ( ) = | = + (если предполагается линейная связь).
Множество точек с координатами (Xi,Yi) называют полем корреляции или диаграммой рассеяния. По виду поля корреляции делают предположение о виде связи между величинами ξ и η.
2. Выборочный коэффициент корреляции: ̃= выб = ̅̅̅̅− ̅
Свойства выборочного коэффициента корреляции:
1)|̃| ≤ 1
2)Если |̃| ≈ 0, то х и у слабо коррелируемы. Если известно, что х и у независимы, то r = 0.
3), линейно связаны |̃| = 1.
3.Построение выборочного уравнения регрессии.
Пусть наблюдалась выборка (X1,Y1),(X2,Y2),…,(Xn,Yn), и выборочный коэффициент значимо отличается от нуля.
Найдем коэффициенты уравнения Y=aX+b, которое наилучшим образом аппроксимирует
Y=f(X) (η=f(ξ)).
Величина Y называется зависимой переменной, признаком, величина Х называется независимой переменной, фактором, регрессором. В парной регрессионной модели зависимая переменная зависит только от одного регрессора.